В 2012 году мир облетела новость: физики наконец-то нашли бозон Хиггса — частицу, которую ждали четыре десятилетия. Триумф ЦЕРНа был бы невозможен без алгоритмов, которые тогда называли машинным обучением, а сегодня — «прадедушками современного ИИ». Именно они прочёсывали лавину данных с детекторов и выхватывали те редкие события, где мог промелькнуть неуловимый бозон. Сейчас, когда лаборатория готовится к новой эре, искусственный интеллект уже не просто помощник — он становится соавтором будущих открытий.

Каждую секунду Большой адронный коллайдер (БАК) порождает 40 миллионов столкновений протонов. Детекторы фиксируют следы частиц, но объём информации так велик, что, по словам физика ЦЕРНа Маурицио Пьерини, «ни одна вычислительная инфраструктура на планете не справится с ним». Поэтому ещё на этапе сбора данных включается ИИ: за доли секунды он решает, какое событие достойно сохранения, а какое — пустой шум. Алгоритмы отбирают примерно тысячу сигналов в секунду, и именно такой фильтр когда-то позволил впервые надёжно зарегистрировать бозон Хиггса.

Но сегодня амбиции идут дальше. Искусственный интеллект в ЦЕРНе не просто сортирует готовые данные — он внедряется прямо в процесс эксперимента, становясь частью системы сбора информации. «Нас отличает то, что мы используем алгоритмы посреди эксперимента, в реальном времени», — подчёркивает Пьерини. А бывший генеральный директор ЦЕРНа Фабиола Джанотти добавляет: «Мы будем применять ИИ всё чаще» — и для подготовки опытов, и для анализа результатов.

Перемены назрели масштабные. Уже в этом году начинается модернизация БАКа: коллайдер станет машиной с более высокой частотой столкновений, а значит, поток данных вырастет ещё сильнее. Но главный вызов — проектирование преемника. Речь о Будущем кольцевом коллайдере (FCC), который должен прийти на смену БАКу в 2040-х годах. И здесь ИИ берётся за задачи, которые раньше казались чисто инженерными: помогать выбирать материалы, проектировать саму установку и даже формулировать, какие вопросы физики стоит задавать новой машине.

«Благодаря ИИ всё будет делаться иначе: лучше, быстрее, технологичнее, и он поможет нам разобраться с открытыми вопросами физики частиц», — уверена Мария Спиропулу, физик из Калифорнийского технологического института, сотрудничающая с ЦЕРНом. Лаборатория рассчитывает, что умные алгоритмы не только ускорят науку, но и помогут удержать стоимость гигантского проекта в разумных рамках — и, возможно, вернут в физику элементарных частиц молодых талантливых исследователей.

Любопытно, что первые ростки машинного обучения появились в ЦЕРНе задолго до эпохи глубоких нейросетей. Ещё в 1987 году примитивная система искала сбои в протонном синхротроне. А перед запуском БАКа физики разработали программу BlackMax — она моделировала рождение и распад микроскопических чёрных дыр, если бы те вдруг возникли в столкновениях протонов. Как BlackMax учил коллайдер искать микрочерные дыры — мы рассказывали об этом раньше. Сегодняшние инструменты ушли далеко вперёд, но логика та же: доверить машине отсев гипотез и поиск аномалий, на которые у человека не хватило бы ни времени, ни вычислительных мощностей.

Нейросети, умещающиеся на крошечном чипе, меняют правила игры в ЦЕРНе. Физик Маурицио Пьерини, не удовлетворившись существующими фильтрами данных, поставил амбициозную цель: научить детекторы Большого адронного коллайдера видеть то, чего никто не искал. Его команда внедрила в ограниченную аппаратуру БАК лёгкие нейронные сети, способные за наносекунды выполнять сложные вычисления. «Эти результаты открыли нам совершенно новый путь», — говорит Пьерини. Теперь на том же «железе» можно параллельно запускать несколько алгоритмов, анализируя весь поток столкновений в реальном времени. Главный интерес учёного — не подтверждение старых теорий, а поиск аномалий, событий, выбивающихся из предсказанных моделями шаблонов. Такой подход, известный как обнаружение аномалий, давно используют банки для выявления мошеннических транзакций по кредиткам. В применении к данным коллайдера он сулит открытия, о которых физики пока даже не подозревают. «Это способ обнаружить нечто неожиданное!» — восклицает Пьерини. По сути, ИИ может вернуть науку к истокам: наблюдать природу и задавать ей вопросы, а не просто проверять гипотезы полувековой давности. «Конечно, ИИ улучшит наши целенаправленные поиски, но меня больше интересует, чтобы алгоритм заглядывал за моей спиной», — поясняет учёный. Технологию, прозванную «триггерным ИИ», уже опробовали на БАК, и она войдёт в арсенал модернизированного коллайдера и будущих ускорителей.

ИИ проектирует ускорители и экономит миллионы

Тем временем машинное обучение проникает и в другие этапы работы ЦЕРНа. Продвинутые алгоритмы способны после эксперимента повысить точность анализа данных в сотни раз по сравнению с нынешними методами, экономя миллионы швейцарских франков. Это особенно важно для охоты за редчайшими событиями — например, одновременным рождением двух бозонов Хиггса. Такое событие пролило бы свет на то, как поле Хиггса наделяет частицы массой, — а это, по словам Пьерини, «великая неизвестность физики высоких энергий». С вводом усовершенствованного коллайдера высокой светимости (High-Luminosity LHC) объём данных вырастет в 5–6 раз, и без ИИ с ними не справиться. Но амбиции простираются дальше. Искусственный интеллект привлекают к проектированию следующего гиганта — Будущего кольцевого коллайдера (FCC), который в 2040-х годах должен прийти на смену БАК. Мария Спиропулу из Калифорнийского технологического института уверена: «ИИ будет играть решающую роль во всём — от дизайна детекторов до проведения экспериментов и систем мониторинга». Нейросети уже ищут новые, более дешёвые материалы для сверхпроводящих магнитов, без которых ускоритель немыслим, и могут полностью переосмыслить конструкцию детекторов. Если сейчас учёные полагаются на опыт и интуицию, то в будущем, прогнозирует Пьерини, «ИИ поручат целиком проектировать детекторы, оптимизированные под конкретные физические задачи». Впрочем, сама машина никуда не денется: «ИИ не позволит нам провести те же эксперименты, что на FCC, без самого FCC», — подчёркивает учёный.

Воскресит ли ИИ умирающую специальность?

Пьерини видит в ИИ не только научный, но и кадровый инструмент. Сейчас физика частиц переживает не лучшие времена, интерес молодых талантов падает. Автоматизация рутины, по мнению учёного, сделает работу в этой области привлекательнее и создаст новые рабочие места на стыке науки и передовых технологий. Если же приток кадров не восстановится, то ИИ поддержит оставшихся энтузиастов: «каждый исследователь будет усилен ИИ-агентами или инструментами», — говорит Пьерини. «Так или иначе, ИИ сохранит эту область живой».

Кстати, это не первый случай, когда ЦЕРН поручает компьютерам поиск экзотики. Задолго до нынешнего бума нейросетей, в 2008 году, физики запустили программу BlackMax, чтобы смоделировать рождение и распад микроскопических чёрных дыр в столкновениях протонов. Те расчёты показали: если чёрные дыры и появятся, они будут вращающимися. Сегодняшние алгоритмы идут дальше — они не просто проверяют готовые гипотезы, а выискивают любые странности в данных, о которых учёные ещё не задумывались. Пожалуй, именно такая «слепая» бдительность ИИ и способна привести к прорывам, каких никто не ждёт.

Сорок миллионов раз в секунду. Именно столько протонных столкновений происходит в недрах Большого адронного коллайдера. Лавина данных, которую физики сравнивают с попыткой услышать шёпот в центре урагана. До недавнего времени львиная доля этой информации безвозвратно терялась — детекторы просто не успевали её обработать. Теперь в ЦЕРНе делают ставку на искусственный интеллект, который возьмёт на себя роль «золотоискателя», отсеивающего пустую породу в реальном времени.

Алгоритм, который не спит

Традиционные системы срабатывали по жёстко заданным шаблонам: искали то, что им приказали найти. Новые ИИ-алгоритмы действуют иначе. Они обучаются на массивах уже известных событий и учатся распознавать аномалии — отклонения от стандартных моделей, которые могут указывать на нечто совершенно новое. Речь идёт не о поиске конкретной частицы, а об охоте за «неожиданными открытиями».

Система анализирует каждый снимок столкновения, сравнивая его с миллионами симуляций. Если картина выбивается из статистического шума, ИИ помечает событие как потенциально интересное. Дальше в дело вступают люди — но теперь у них на руках не бесконечный поток мусора, а тщательно отфильтрованная подборка кандидатов на прорыв. Такой подход уже помог зафиксировать редкие распады, которые раньше тонули в данных.

От микрочерных дыр к новому коллайдеру

Любопытно, что это не первый случай, когда вычислительные методы вторгаются в святая святых физики частиц. Как BlackMax учил коллайдер искать микрочерные дыры — ещё в 2008 году, до запуска БАК, учёные моделировали рождение и распад вращающихся микроскопических чёрных дыр. Та программа была узкоспециализированной; нынешние нейросети куда более гибки и всеядны.

Но амбиции ЦЕРНа простираются дальше текущих экспериментов. Искусственный интеллект примерит на себя и роль проектировщика. Уже сейчас идёт работа над преемником Большого адронного коллайдера — Future Circular Collider (FCC), который должен заработать в 2040-х годах. Его кольцо протянется на 100 километров, а энергии столкновений на порядок превзойдут нынешние. Проектирование такого монстра требует оптимизации тысяч параметров: от геометрии магнитов до материалов вакуумной камеры. Алгоритмы машинного обучения способны перебрать варианты, на которые у людей ушли бы десятилетия.

Смена оптики

Внедрение ИИ меняет саму философию поиска. Раньше физик формулировал гипотезу, а потом проверял её на коллайдере. Теперь коллайдер может сам «подсказывать» гипотезы, выуживая из шума закономерности, которые человек просто не догадался бы искать. Это не отменяет теоретиков — скорее, даёт им новый инструмент, что-то вроде микроскопа с самонаводящимся фокусом.

Скептики, впрочем, напоминают: любой ИИ обучается на том, что мы уже знаем. Он может пропустить явление, которое не вписывается ни в какие рамки — просто потому, что не распознает его как «интересное». Разработчики парируют: именно для этого в алгоритмы закладывают поиск аномалий, а не совпадений с шаблоном. Спор этот далёк от завершения, но одно ясно уже сейчас: без искусственного интеллекта физика частиц рискует захлебнуться в собственных данных.

Гонка за новыми частицами и силами превращается в гонку алгоритмов. И кто знает, быть может, первое «неожиданное открытие» ИИ сделает там, где человеческий глаз видел лишь белый шум.